图基础模型研究进展与挑战：图神经网络的视角

吴涛; 聂发志; 先兴平; 王超; 袁霖; 乔少杰; 牛伟纳

doi:10.11959/j.issn.1000-436x.2025114

您当前的位置：

首页 >

文章列表页 >

图基础模型研究进展与挑战：图神经网络的视角

综述 | 更新时间：2025-08-07

- 图基础模型研究进展与挑战：图神经网络的视角
- Research advances and challenges on graph foundation model: perspective from graph neural network
- “图基础模型（GFM）研究进展，专家构建GNN角度的GFM体系，为图学习领域提供新方向。”
- 通信学报 2025年46卷第7期页码：226-248
- 作者机构：
  
  1.重庆邮电大学通信与信息工程学院，重庆 400065
  2.重庆邮电大学网络空间安全与信息法学院，重庆 400065
  3.重庆师范大学计算机与信息科学学院，重庆 401331
  4.成都信息工程大学软件工程学院，四川成都 610225
  5.电子科技大学计算机科学与工程学院，四川成都 611731
- 作者简介：
  
  [ "吴涛（1987- ），男，甘肃庆阳人，博士，重庆邮电大学教授、博士生导师，主要研究方向为图神经网络、知识图谱、人工智能安全、图数据挖掘等。" ]
  [ "聂发志（2001- ），男，陕西安康人，重庆邮电大学硕士生，主要研究方向为图神经网络、人工智能安全、图数据挖掘等。" ]
  [ "先兴平（1984- ），女，四川泸州人，博士，重庆邮电大学副教授、硕士生导师，主要研究方向为图数据挖掘、数据隐私保护、智能算法安全等。" ]
  [ "王超（1986- ），男，博士，重庆师范大学副教授、硕士生导师，主要研究方向为时序数据和图数据表征、自然语言处理及其应用等。" ]
  [ "袁霖（1989- ），男，河南新蔡人，博士，重庆邮电大学副教授、硕士生导师，主要研究方向为计算机视觉、深度图像伪造、数据隐私保护等。" ]
  [ "乔少杰（1981- ），男，博士，成都信息工程大学教授、博士生导师，主要研究方向为大数据技术与应用、领域大数据分析、空间人工智能等。" ]
  [ "牛伟纳（1991- ），女，博士，电子科技大学特聘研究员、硕士生导师，主要研究方向为网络与软件安全、人工智能安全等。" ]
- 基金信息：
  
  国家自然科学基金资助项目(62376047;62106030);重庆市自然科学基金创新发展联合基金重点资助项目(CSTB2023NSCQ-LZX0003);重庆市教委科学技术研究计划基金重点资助项目(KJZD-K202300603);重庆市教委科学技术研究基金资助项目(KJQN202300606)
- DOI：10.11959/j.issn.1000-436x.2025114
  中图分类号： TP183
- 收稿日期：2025-03-10，
  
  修回日期：2025-06-09，
  
  纸质出版日期：2025-07-25
- 稿件说明：
移动端阅览
吴涛,聂发志,先兴平等.图基础模型研究进展与挑战：图神经网络的视角[J].通信学报,2025,46(07):226-248.

WU Tao,NIE Fazhi,XIAN Xingping,et al.Research advances and challenges on graph foundation model: perspective from graph neural network[J].Journal on Communications,2025,46(07):226-248.
吴涛,聂发志,先兴平等.图基础模型研究进展与挑战：图神经网络的视角[J].通信学报,2025,46(07):226-248. DOI： 10.11959/j.issn.1000-436x.2025114.

WU Tao,NIE Fazhi,XIAN Xingping,et al.Research advances and challenges on graph foundation model: perspective from graph neural network[J].Journal on Communications,2025,46(07):226-248. DOI： 10.11959/j.issn.1000-436x.2025114.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于并行流量图和图神经网络的加密流量分类方法

面向WSN异常节点检测的融合重构机制与对比学习方法

基于预训练与新型时序图神经网络的智能合约漏洞检测方法

新增未知攻击场景下的工业互联网恶意流量识别方法

移动边缘计算中基于图到序列深度强化学习的复杂任务部署策略

图基础模型研究进展与挑战：图神经网络的视角

Research advances and challenges on graph foundation model: perspective from graph neural network

DOI：10.11959/j.issn.1000-436x.2025114